基于神经网络的螺丝表面缺陷检测

针对螺丝零件通常存在的缺陷检测问题，提出了一种基于神经网络螺丝表面缺陷检测方法。将SimAM注意力机制引入YOLOv7网络模型，用GIoU损失函数替换CIoU损失函数提高模型检测精度，在目标框位置预测过程中，引入Soft-NMS优化候选框选择方法，有效提升候选框位置选择的精度。实验结果表明，改进后的网络模型平均精度均值(mAP)达到98.9%,对小目标缺陷检测精度更高，误检漏检情况更少，可以有效满足螺丝表面缺陷检测要求。